深度学习时代的显著目标检测：一项深入综述
计算机视觉与模式识别
2021-01-12 v5
摘要
作为计算机视觉中的一个基本问题，显著目标检测（SOD）多年来吸引了越来越多的研究关注。SOD 的近期进展主要由基于深度学习的方案（称为深度 SOD）引领。为深入理解深度 SOD，本文提供了一项涵盖算法分类到未解决问题等多方面内容的全面综述。特别地，我们首先从不同视角回顾深度 SOD 算法，包括网络架构、监督水平、学习范式以及目标/实例级检测。随后，我们总结并分析现有的 SOD 数据集与评估指标。接着，我们对大量代表性 SOD 模型进行基准测试，并对比较结果提供详细分析。此外，我们通过构建一个具有丰富属性标注、涵盖各类显著目标类型、挑战因素和场景类别的新型 SOD 数据集，研究了 SOD 算法在不同属性设置下的性能，这是先前未被充分探索的。我们进一步在该领域首次分析了 SOD 模型对随机输入扰动和对抗攻击的鲁棒性。我们还考察了现有 SOD 数据集的泛化性与难度。最后，我们讨论了 SOD 的几个开放问题并勾勒未来研究方向。
引用
@article{arxiv.1904.09146,
title = {Salient Object Detection in the Deep Learning Era: An In-Depth Survey},
author = {Wenguan Wang and Qiuxia Lai and Huazhu Fu and Jianbing Shen and Haibin Ling and Ruigang Yang},
journal= {arXiv preprint arXiv:1904.09146},
year = {2021}
}
备注
Published on IEEE TPAMI. All the saliency prediction maps, our constructed dataset with annotations, and codes for evaluation are publicly available at \url{https://github.com/wenguanwang/SODsurvey}